比较逻辑斯蒂与地理加权逻辑斯蒂回归模型在福建林火发生的适用性

林火预测预报是科学有效进行林火管理的前提,是林业管理部门和科研工作者的广泛关注的领域。逻辑斯蒂回归(Logistic Regression,LR)是目前国内外广泛应用于森林火灾预测的模型方法,然而近年来有学者发现该方法没有充分考虑林火影响因子的空间相关性和异质性,从而导致模型拟合结果偏差。地理加权逻辑斯蒂回归(Geographically weighted logistic regression,GWR)模型考虑到了模型变量之间的空间相关性,有效提高的模型的拟合能力。为探讨GWLR模型在福建林火预测上的适用性,本研究应用LR和GWLR两种方法分别建立福建省森林火灾与气象因子的预测模型,通过模型拟合能力对比,判断在GWLR的适用性。研究以2000—2005年福建地区森林火灾卫星火点数据和每日气象因子为基础,将全样本分为60%的建模数据和40%的校验数据,并重复5次,建立5个样本组。选择在5个样本组中3个及以上表现显著的变量进入最终模型。研究结果表明GWLR在模型拟合度、模型残差、空间自相关性以及预测准确率等方面均优于LR模型,说明充分考虑模型变量的空间异质性有助于提高模型的预测精度,同时也验证了GWLR在福建地区林火预测上的适应性。此外,模型参数结果显示,"日最高地表气温"、"日最低地表气温"、"日平均风速"、"24小时降水量"、"日最高本站气压"、"日照时数"、"日最高气温"和"日最小相对湿度"8个因子对福建省林火发生有显著影响,研究结论为福建地区林火预测预报提供了新的方法。

应用地理加权逻辑斯蒂回归模型分析浙江区域野火的相关因子

野火是森林生态系统重要干扰因子,维持生物多样性和生态系统结构关键因子,也是对森林资源、大气环境和人类生命财产安全造成威胁主要因子。以2001—2018年浙江区域MODIS野火数据为研究基础,运用地理加权逻辑斯蒂回归方法,结合气象、植被和地形等自然因素,分析浙江野火时间变化特征及相关因子。结果表明:浙江区域野火时间变化不均匀,导致防火期提前,当年10月至次年4月野火发生占全年总火点的95.28%,其它月份仅占4.72%。防火期对野火的发生影响显著的因子主要有日最高地表气温、日平均风速、日降水量、日平均气压、日最低温度、日最小相对湿度、年平均降水量、海拔、坡度和植被覆盖度;非防火期对野火发生影响显著的因子主要有日最高地表气温、日降水量、日照时间、年平均降水量、年平均气温、海拔、坡向指数和前一年植被覆盖度。防火期和非防火期的高火险区域主要集中在温州中部和东部、温州与丽水市交汇区域、绍兴市与宁波市交汇区域,说明不同时期、不同区域可以采取不同的野火管理政策。

湖南省森林火灾驱动因子及火险区划研究

建立湖南省林区的森林火灾发生预测模型,为该省的林火防控和管理工作提供一定的理论依据。提取湖南省2016-2020年森林火灾热点监测卫星数据,利用ArcGIS 10.7软件建立与火点形成1:1数据的随机点,使数据符合二项分布,对日平均最高气温、日平均降水量、日照时长、海拔等24类驱动因子进行空间信息提取,并利用GWR 4.0软件进行GWLR预测,分析影响湖南省森林火灾发生的驱动因子,构建该地区的森林火灾发生预测模型,利用AIC值、BIC值、ROC曲线和AUC值进行模型拟合检验,对该地区进行火险区划。研究结果表明:“日平均风速”“日平均气压”“日照时间”“日平均气温”“日平均相对湿度”“海拔”和“归一化指数值”等9个变量是影响湖南省森林火灾发生的驱动因子;GWLR模型在湖南省森林火灾发生预测中拟合效果良好,模型的AUC值为0.966,最佳划分阈值为0.810;在火险区划中,中高火险地区主要集中在湖南省中部和南部地区,该区域应进一步加强护林防火的宣传教育、建立健全野外用火管控制度、加强重点火险区基础设施建设等森林火灾预防工作。

基于级联分类器的红外弱小目标快速检测

为克服弱小目标检测在大尺寸图像上存在时间开销大的问题，提出了一种多级处理的检测算法。首先在整幅图像上搜索局部灰度极值作为候选目标位置，随后对候选目标位置的邻域进行特征提取，最后在特征空间中进行分类。针对小目标特性，提出了一种灰度分布特征，以此特征对候选目标位置进行特征提取，进而提出了一种加权逻辑斯蒂回归算法，用其在特征空间建立分类器，将检测问题转化为二分类问题。实验结果表明，该算法对低信噪比图像可以达到较高的检测率和较低的虚警率，并具有较好的实时性。